Программные продукты и системы

В системах автоматической диагностики широко используются средства классификации объектов, представленных дискретным набором признаков. Успешность решения задачи во многом зависит от соблюдения компромисса между числом признаков и точностью описания свойств объектов. Очевидно, что при повышении точности отображения свойств необходимо увеличивать количество признаков. Однако чрезмерная детализация и внимание к субъективным особенностям объектов могут привести к усложнению алгоритмов классификации и увеличению ошибок. Это особенно часто проявляется при создании нейросетевых классификаторов. Анализ выборок описаний объектов можно построить на основе последовательного расширения признаков, что связано с уточнением деталей в описании объекта. Но при таком подходе возникает вопрос о том, какие признаки необходимо добавлять. Более простым, на взгляд авторов, является построение классификаций на основе идей последовательного формирования вторичных понятий, которые позволяют укрупнять признаки, создавая, в конце концов, лаконичные описания классов объектов наиболее общими признаками.

Для решения ряда прикладных задач могут оказаться полезными классификаторы, работающие с выборками двухмерных графических зависимостей.

Подробное описание дается в статье «Алгоритм классификации графиков с последовательным укрупнением признаков», авторы: Филатова Н.Н., Ханеев Д.М., Сидоров К.В. (Тверской государственный технический университет, Тверь).